目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39％,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.

目的:探究孤独症谱系障碍（autism spectrum disorder，ASD）默认网络关键节点共激活模式异常及其与临床症状严重程度的关系。方法:本研究在多中心、大样本的静息态功能磁共振成像数据集ASD脑影像公开交换数据库（Autism Brain Imaging Data Exchange，ABIDE）中筛选被试者，包括ASD患者354例（ASD组）、健康对照者446名（对照组），采用共激活模式分析方法分析ASD默认网络关键节点（内侧前额叶）的共激活模式特征及其与默认网络内部其他节点、任务正激活网络之间的交互异常。采用网络分离指数（network dissociation index，NDI）评估网络内与网络间功能分离的程度，并以NDI为特征采用多变量支持向量回归方法对ASD临床症状进行预测，组间比较采用双样本 t检验。 结果:内侧前额叶处于激活状态时，ASD组默认网络楔前叶的激活较对照组显著降低（ t=-4.21， P<0.01），而突显网络的背侧前扣带回和眶额-脑岛联合区的激活较对照组显著升高（ t=2.93、2.61，均 P<0.05）。且相较于对照组，ASD组默认网络内的NDI显著升高（ t=3.63， P<0.01），默认网络（内侧前额叶）与突显网络（背侧前扣带回与眶额-脑岛联合区）间的NDI则显著降低（ t=-2.97、-3.31，均 P<0.01）。将NDI作为特征放入支持向量回归模型中，可预测ASD的社交、言语缺陷及疾病严重程度（ r=0.191、0.216、0.186，均 P<0.01）。 结论:静息态下ASD患者内侧前额叶的共激活模式存在异常，默认网络内部的功能整合协同能力下降，并且与任务正激活网络的功能分离程度也降低，这种异常的网络功能模式与临床症状密切相关。

目的:研究基于多任务学习轻量级卷积神经网络(MTLW-CNN)在肺部危及器官(OAR)自动分割中的应用。方法:MTLW-CNN包含多个特征共享层和OAR的对应勾画分支。收集497例肺癌病例，以同时包含肺、心脏和脊髓的CT及医生勾画的轮廓为样本，随机划分300例用于训练与验证，197例用于测试。在测试集应用MTLW-CNN计算OAR的戴斯相似性系数(DSC)，与Unet、DeepLabv3+的DSC、训练及测试时长、空间复杂度(S)进行对比。为研究多任务学习对模型泛化性能的影响，按照MTLW-CNN结构建立3个OAR的单任务学习模型(STLW-CNN)，使用相同数据训练与测试，统计并对比两者DSC。结果:MTLW-CNN的肺、心脏、脊髓DSC平均值分别为0.954、0.921、0.904。与Unet、DeepLabv3+的DSC差距<0.020，训练与测试时长是Unet、DeepLabv3+的1/3~1/30，S分别为Unet、DeepLabv3+的1/42、1/1220。STLW-CNN的肺、心脏DSC平均值、标准差与MTLW-CNN差距约为0.005、0.002，脊髓平均值相差0.001，但标准差却比MTLW-CNN高0.014。结论:MTLW-CNN以更小的时间、空间代价实现肺部OAR的高精度自动勾画，不仅可以提高模型应用效率，还有利于提高模型的泛化性能。

课程思政是以各专业课程为载体，落实立德树人根本任务的重要教育理念。本文从树立课程思政目标、挖掘课程思政素材、设计课程思政案例、采用多种教学手段、构建课程思政网络教学平台和引入量化评价体系等方面，介绍了天津医科大学医学微生物学课程思政教学的实施情况。于2021年6月，在课程结束后对2019级4个专业的学生进行了问卷调查。结果显示，学生对课程思政的整体满意度为93.6%(615/657)，对课堂思政教学时长和线上线下结合的课程思政教学模式满意度分别为91.5%(601/657)和81.9%(538/657)；对课程5项德育目标的达成满意度分别为89.8%(590/657)、93.3%(613/657)、92.4%(607/657)、92.7%(609/657)和93.6%(615/657)。医学微生物学的课程思政实践达到了预期的育人目标，得到了学生的广泛认可。

基于影像学的早期肺腺癌浸润性预测，对于肺结节的临床管理、手术方法和预后评估具有重要意义。相比于基于特征构建的统计学方法和影像组学方法，以卷积神经网络为基础的深度学习方法用于预测肺腺癌浸润性具有性能高、可靠性强、自动勾画等优势，有很好的应用前景。目前已有研究对多模态学习、浸润性分类、多任务处理、辅助临床、可解释性等领域进行了探索，并提高了模型的预测准确度。随着融合模态的丰富、多中心大样本的建立、小样本学习方法的应用以及前瞻性研究的开展，深度学习将在肺腺癌浸润性的预测中发挥更重要的作用。

应用血氧水平依赖功能成像（BOLD-fMRI）可以分析胎儿大脑的神经活动信号，以获得胎儿脑功能发育的信息。BOLD-fMRI可以检测并有助于理解胎儿脑功能发育，目前已有重要研究结果，但仍需将胎儿脑功能参数及出生后神经行为表现联系起来，以提高其预测及应用价值。大规模纵向研究、融合多模态数据、结合人工智能算法评估胎儿大脑发育有望成为未来研究热点。本综述中，笔者总结了胎儿BOLD-fMRI任务态研究、静息态功能连接及功能网络、胎儿BOLD-fMRI研究所面临的挑战。

目的:基于超声弹性及血流向量成像(VFM)技术联合无监督聚类分析和有监督机器学习方法，实现肝心一体化的早期评估。方法:采用观察性研究设计，在无任何干预的条件下，选取2021年12月至2022年9月哈尔滨医科大学附属第一医院收治的肝硬化患者45例，肝纤维化患者43例，健康志愿者42例。应用肝脏联合弹性技术及VFM技术分别获取受检者肝脏和心脏信息。对获取的数据进行标准化处理，借助拓扑数据分析(TDA)技术对处理后的数据进行聚类，再基于统计学分析评估聚类结果，最后通过机器学习方法实现有监督的多分类任务。结果:依据受检者相似性网络分为5类，各类维度的平均表现为：与其他类别相比，类别1的整体肝心状况最差，类别2、3次之，而类别4则均为肝心正常的健康对照组；类别5较为特殊，此类受检者的肝脏状况不佳，但根据心脏舒张功能评估指南，其心脏表现并无明显的异常，只有少数指标显示出较大的偏差。应用支持向量机(SVM)、随机森林(RFT)、多层感知机(MLP)在测试集多分类任务中准确性平均值分别为70%、81%、84%。结论:通过结合肝脏联合弹性、心脏VFM技术及TDA技术构建的患者相似性网络，成功识别出常规心脏指标未显现异常，而可能存在潜在心功能异常的肝纤维化患者，对于指导临床干预措施的选择和优化患者管理分层具有重要意义。

目的:联合任务态功能MRI（fMRI）及独立成分分析对原发性高血压患者工作记忆网络功能情况进行研究。方法:根据入组标准收集2016年5月至2017年1月就诊于联勤保障部队第九〇〇医院的高血压患者24例，健康对照组23名，采用3.0 T MRI进行N-back的任务态fMRI数据采集。所有的受试者在MRI检查前均完成神经心理学认知测试、血压测量及生化检查。利用SPM 12.0对任务态fMRI分析，同时利用GIFT 4.0 a软件对任务态fMRI进行独立成分分析，并对两组数据的任务态和工作记忆网络进行两样本 t检验，对结果进行Alphasim多重比较校正， P<0.05认为差异具有统计学意义。 结果:与健康对照组相比，高血压组在左侧额上回、左侧额中回激活增强（ P<0.05），但未见明显激活减弱区域。而在独立成分分析中，高血压组在左侧额中回、左侧中央前回的功能连接较健康对照组显著降低（ P<0.05），且未见明显功能连接增强的区域。 结论:原发性高血压患者的工作记忆网络由于长期高血压的影响，会发生异常改变，而这种损伤会通过相同功能网络脑区的功能增强进行代偿，进而维持高血压患者的认知水平。

目的:探讨基于视觉深度自注意力网络的多任务模型分析三维上气道及其各段的准确性，评价该模型的临床适用性。方法:根据纳入和排除标准，回顾性选取2012年1月至2020年1月首次就诊于武汉大学口腔医院正畸一科的患者锥形束CT资料（10例），其中男性4例，女性6例，年龄（20.8±2.7）岁。由同1名主治医师使用3D slicer软件分割上气道和咽气道并测量体积（金标准），使用Dolphin 3D软件分割咽气道及其各段并测量体积（金标准），并使用课题组前期研发的基于视觉深度自注意力网络的多任务模型进行上气道及其各段的自动分割和体积测量。采用Bland-Altman分析法（包括平均偏差等）、组内相关系数（ ICC）分析多任务模型与金标准分割上气道或咽气道及其各段体积的一致性，采用配对 t检验比较多任务网络模型与金标准的差异。 结果:基于视觉深度自注意力网络的多任务模型与3D Slicer软件分割上气道的体积平均偏差为979.6 mm 3，两者 ICC为0.97。基于视觉深度自注意力网络的多任务模型与Dolphin 3D软件分割咽气道、鼻咽、腭咽、舌咽及喉咽的体积平均偏差分别为2 069.5、950.1、823.6、813.9、4 003.4 mm 3，两者 ICC分别为0.97、0.94、0.96、0.96、0.69。 结论:基于视觉深度自注意力网络的多任务模型对三维上气道及其各段的分割可产生不同误差，对鼻咽、腭咽、舌咽的分割与金标准的一致性较好，对喉咽的分割欠佳，提示仍需进一步增强该模型的鲁棒性和泛化性。

患者安全是一个严重的全球公共卫生问题。2017年3月，世界卫生组织（WHO）发布第三个全球患者安全挑战：药无伤害，呼吁在未来5年内将所有国家严重的、可避免的药物相关伤害减少50%，并制定了用药安全战略行动框架。2019年6月，WHO发布了《高风险情况下的用药安全》、《多重用药时的用药安全》和《医疗照护过渡期的用药安全》等3份技术报告，以促进各国尽早采取有效的规划和行动，解决用药安全领域的问题。2021年4月，WHO召开了"药无伤害"网络会议，强调实现"药无伤害"目标的艰巨性和长期性。2021年5月，WHO发布《2021—2030全球患者安全行动计划》，该计划将用药安全作为第三个战略目标中最重要的任务，并针对这项任务提出了4个方面的行动：政府行动、医疗保健机构行动、利益相关者行动和WHO行动。我国国家卫生健康委员会于2018年4月发布《关于进一步加强患者安全管理工作的通知》，着力推进患者用药安全工作。第三个全球患者安全挑战目标的实现，需要世界各国的共同努力。